Las capacidades actuales de modelamiento de acuíferos con MODFLOW y Model Muse nos permiten grandes refinamientos y mayor número de capas para la representación de las cargas hidráulicas y la napa freática así como mayores capacidades para la representación de los procesos físicos relacionados al flujo de aguas subterráneas. En una escala regional podemos estar tratando con modelos de mas de 50000 elementos en régimen uniforme o transitorio, de los cuales muchas veces necesitamos representar sus datos en plataformas de Sistemas de Información Geográfica (SIG) como QGIS para un mayor análisis o la generación de gráficos para usuarios finales y actores de decisión. El uso de programación en Python nos permite acelerar el proceso de la representación de datos de salida de MODFLOW en QGIS.
Los scripts en Python pueden ser un poco largos y declarativos, pero el tiempo de procesamiento es mucho menor comparado con el uso de la interface visual. Se pretende que los modeladores guarden estos scripts y los usen cada vez quieran representar los datos de la napa freática.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La evaluación de procesos de precipitación, escorrentía, enrutamiento, así como la infiltración requieren de datos de precipitación, caudal, temperatura y radiación a escala diaria. Los datos requeridos por los modelos hidrológicos deben ser confiables y estar completos en el periodo de estudio. Muchas veces los datos de estaciones de precipitación, aforo, entre otros se presentan incompletos en varias partes siendo posible su completación mediante métodos numéricos, regresiones o algoritmos de inteligencia artificial.
Keras es una plataforma de alto nivel para redes neurales escrita en Python. Esta plataforma esta enfocada en permitir una experimientación rápida de los datos de entrada. Keras soporta redes convulsionales y recurrentes y combinaciones de ellas, además está diseñada para correr tanto en PCs como en computadoras avanzadas de multiprocesadores.
La ventaja de utilizar inteligencia artificial en scripts y librerías como Python - Keras es la practicidad en el manejo de los datos, las opciones de configuración de las redes neurales dependiendo de los datos de entrada y la capacidad de procesamiento y representación de grandes series de datos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Flopy es la librería creada por el Servicio Geológico de los Estados Unidos (USGS) para la creación, configuración y representación de resultados de modelos en MODFLOW. Flopy es una herramienta avanzada que tiene soporte incluso para la creación de grillas no estructuradas en MODFLOW 6. Con el uso conjunto de Python y MODFLOW mediante Flopy se extienden las posibilidades de modelamiento y de gestión de aguas subterráneas al permitir la configuración de nuevos esquemas de optimización y la aplicación de algoritmos de inteligencia artificial.
Este tutorial muestra el proceso completo de construcción de un modelo numérico en condiciones transientes con Flopy. El modelo tiene un pozo con caudal variable y un flujo regional determinado por la gradiente en las cargas hidráulicas. El código en Python ha sido realizado de manera interactiva en Jupyter Notebook.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Las imágenes satelitales nos brindan información sobre la superficie en base de distintas bandas, esta información viene dada por un arreglo de pixeles que constituyen la imagen a una resolución determinada. En base de combinaciones de bandas podemos decidir si un pixel representa un tipo de suelo o un tipo de cobertura, pero como hacemos para que la imagen reconozca cosas? Esto se hace mediante el uso de un nivel mayor en el análisis espacial que son los algoritmos de inteligencia artificial que son cada vez más populares y que su uso es más amigable con el usuario.
Para este tutorial hemos utilizado Python como lenguaje para el manejo de imágenes como matrices y algoritmos de Scikit-Learn para la identificación de cultivos. El tutorial también muestra herramientas interactivas de Jupyter para la selección de cultivos y la posibilidad de eliminar puntos de referencia no válidos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los índices de vegetación se calculan a partir de las radiancias de las plantas en ciertos rangos del espectro visible e invisible. Curiosamente la vegetación tiene una mayor radiancia en el rojo y el infrarojo que en el azul. Existen varios índices de vegetación en base de diferentes fórmulas de combinación de bandas, dentro de estos índices el más conocido es el NDVI, ya que fue uno de los primeros en formularse y porque puede ser aplicado a una serie de satélites nuevos y antiguos. Este tutorial muestra el procedimiento completo para representar las bandas Rojo e Infrarojo de imágenes de Sentinel 2 con PyQGIS y posteriormente calcular el NDVI utilizando herramientas del complemento "Processing" dentro de Python.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los fenómenos de la naturaleza deben ser analizados en su magnitud, pero también en el tiempo y la ubicación, tanto para su comprensión como para su correlación con otros fenómenos. QGIS es un software de Sistemas de Información Geográfica de código libre que nos permite la representación de puntos, líneas y polígono en el espacio. Si bien QGIS esta enfocado en el análisis espacial, existe un complemento llamado TimeManager que complementa la representación temporal de los datos.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Las herramientas de QGIS permiten resolver una serie de formatos, procesos y análisis de datos espaciales y metadatos asociados. Existen una serie de herramientas para el manejo de atributos dentro de la "Calculadora de Campos" y también se pueden utilizar funciones de Python para el manejo de atributos. Este tutorial muestra el procesamiento de un campo de atributos en un formato específico de fecha con Python.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
En los últimos tiempos existe un mayor interés de la sociedad civil y los estados a problemas como el femenicidio. Casos de feminicidio tienen gran cobertura por los medios y se demanda una participación drástica de las autoridades y los casos de encubrimiento y liberación de condenados son públicamente criticados. Sin embargo cabe preguntarse si las medidas actuales se enfocan o adaptan a las tendencias crecientes en la ocurrencia de femenicidios y si los esfuerzos del gobierno son efectivos para el control del problema.
En Perú desde el 2009 se tienen registros de feminicidio con valiosa información sobre lugar, vinculo, fecha entre otros que nos pueden dar una idea de la magnitud del problema y las tendencias en la ocurrencia de femenicidio. Con un análisis temporal, espacial tanto de causa como de tendencia se pueden adoptar mejores medidas de control y prevención del feminicidio.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
QGIS es un excelente software para la manipulación de archivos espaciales y a ello se le suma Python como un lenguaje de programación que está siendo usado para múltiples fines, presentándose así el caso de Python en QGIS, que de una manera rápida mediante scripts podemos tener visualizaciones y resultados de procesos en pocos segundos, además las configuraciones que se hacen en la consola de Python pueden ser guardadas para futuros proyectos ahorrando tiempo y automatizando nuestras actividades. Este tutorial muestra los principales componentes del entorno de Python dentro de QGIS y hace ejercicios prácticos de manejo de archivos espaciales.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La Raspberry Pi es un microcomputador capaz de medir una serie de sensores digitales y analógicos con horarios definidos y capacidad de almacenamiento o transmisión de datos a la nube. Por su bajo costo, su practicidad de fuentes de alimentación y la cantidad de software disponible, la Raspberry Pi es una alternativa para el monitoreo ambiental de alta resolución. Este tutorial muestra el procedimiento completo de instalación y configuración de un sensor de humedad del aire y temperatura de bajo costo DHT11 y los códigos para mostrar las lecturas en la pantalla y subirlas a servicios online de Internet de las Cosas.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La Raspberry Pi es un controlador lógico que permite conectar con una serie de controladores analógicos digitales y mandar datos en tiempo real a través de scripts en Python.
En este tutorial se muestra el ensamblaje, configuración y comandos de pH con Raspberry Pi y Arduino. A continuación se va explicar la introducción de los materiales, el proceso de ensamblaje, códigos Arduino y la representacion en web del parámetro pH.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Macroeco es un paquete de Python que proporciona un conjunto completo de funciones para analizar patrones empíricos de datos ecológicos, predicción de patrones usando modelos teóricos y comparación de patrones empíricos con la teoría. Muchos de los principales patrones macro-ecológicos pueden ser analizados utilizando este paquete, incluyendo la distribución de la abundancia de especies, las relaciones entre especies y áreas endémicas, medidas de la diversidad beta y muchas otras.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Para realizar una serie de estudios e investigaciones tenemos que saber el nombre y la ubicación de ciertos lugares. Esto quizá sea disponible a través de páginas web de manera visual, sin embargo la utilización de los datos es limitada y no se pueden utilizar las herramientas de geoproceso de software avanzados como QGIS. Para obtener la ubicación espacial de las búsquedas de Google existen diversos servicios o APIs; en este tutorial utilizaremos el Google Maps API para la ubicación de Hospitales en un radio de 5 kilómetros de un punto en Miraflores, Lima. Solo se han utilizado herramientas de software libre para la realización de este tutorial.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
QGIS implementa una librería de herramientas en Python para representar, visualizar y analizar datos vectoriales (shape) y grillados (raster). En QGIS también se pueden hacer planos a través de scripts con PyQGIS.
Este tutorial muestra los principales pasos para la representación de los datos de una ciudad y la generación de un plano de manera automática con PyQGIS.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
Los procesos del ciclo hidrológico superficial y subterráneo están relacionados a la precipitacion (forma e intensidad) y la dinámica de la humedad en la zona de suelo. Esta dinámica de humedad de suelo está determinada por el tipo de suelo y la zona radicular en una escala temporal diaria o incluso hasta horaria. Estos fenómenos no han sido considerados o estudiados en los libros de texto de la hidrogeología convencional quizá por uso intensivo de herramientas de modelamiento y complejas conceptualizacion y validaciones.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La erosión de suelos es el desplazamiento de las capas superiores de suelo por procesos relacionados con el agua o el viento. La erosión de suelo puede ocurrir de manera muy lenta en la superficie, sin embargo la alteración del suelo por la actividad humana puede aumentar la tasas de erosión de 10 a 40 veces. La evaluación de la erosión de los suelos es importante para la estimación del impacto de las actividades humanas y la planificación de medidas de remediación y/o contención de la erosión.
Este artículo introduce el entorno de Landlab desarrollado en Python así como un ejemplo práctico de modelamiento de erosión de suelos en un talud en el tiempo.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
QGIS es un software de Sistemas de Información Geográficas muy versátil y amigable con el usuario. QGIS tiene una serie de herramientas para el manejo, procesamiento y análisis de datos vectoriales y rasters.
En QGIS se pueden representar puntos asociados a mediciones de campo y generar simbologías relacionadas a la magnitud de las mediciones. En este tutorial se muestra el procedimiento para la representación de una leyenda en el mapa para un mejor análisis geoespacial de la distribución de valores. El proceso de generación de leyenda solo implica 6 líneas de código en PyQGIS, la herramienta de Python en QGIS.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
El DHT22 es un sensor digital que nos ayuda a evaluar tanto la humedad relativa como la temperatura del ambiente circundante. Es un sensor de bajo costo y es más preciso que su versión anterior el DHT22, responde correctamente a amplios rangos de temperatura (-40 a 80 °C) y puede ser usado como herramienta de monitoreo en industrias, invernaderos, hogares, etc.
El presente tutorial les mostrará la conexión del sensor a la Raspberry Pi 3 Modelo B y puesta en marcha.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La evaluación de procesos de precipitación, escorrentía, enrutamiento, así como la infiltración requieren de datos de precipitación, caudal, temperatura y radiación a escala diaria. Los datos requeridos por los modelos hidrológicos también necesitan estar en el mismo periodo de tiempo para poder realizar sus simulaciones.
Debido a la extensa cantidad de datos que maneja el modelos de cuencas para periodos de retorno de 20 años, 50 años o 100 años con alrededor de tres estaciones de precipitacion y una de aforo se tienen que utilizar herramientas como Python para el procesamiento y redes neurales para la completación de datos faltantes. El tutorial de este artículo muestra el tratamiento de cuatro estaciones de precipitación, para la completación de 35 años de precipitacion faltante de una estación y la selección de un periodo de 55 años completo de series hidrológicas.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
La evaluación de los recursos hídricos y medio ambiente necesita del estudio de la distribución de cobertura y la dinámica del cambio de uso de suelo, además de la interacción del medio físico con el ecosistema. Para realizar estos estudios se tiene que disponer de una conjunto de imágenes satelitales por periodos largos de tiempo. Actualmente el registro disponible de imágenes satelitales llega a los 50 años y se convierte en una fuente valiosa de información por su fácil disponibilidad y por ser acceso libre, es decir, no cuestan.
Cuando se quieren descargar periodos muy prolongados o áreas muy grandes, el procedimiento web de descarga se vuelve tedioso, lento y poco versátil. El uso de lenguajes como Python permite configurar las descargas masivas de imágenes satelitales, con procesos recurrentes que pueden ir corriendo por horas hasta que se hayan descargado todas las imágenes.
Este tutorial muestra la descarga del conjunto disponible de imágenes Aster para la región de Alajuela, Costa Rica. De un total de 735 imágenes, al aplicar un filtro de nubosidad menor al 40% e imágenes de día se tuvieron 92 imágenes con un tamaño en conjunto de 16 Gb.
Suscríbete a nuestro boletín electrónico
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros
cursos en recursos hídricos.
